Cómo armar una tabla de frecuencias

1 · Definición

Una tabla de frecuencias es la presentación ordenada de una distribución de frecuencias: una fila por valor o categoría, y una columna por cada tipo de frecuencia.

2 · Para qué sirve

Para dos cosas distintas. Como herramienta de trabajo, es lo primero que se mira al recibir una base: revela categorías mal escritas, códigos imposibles, valores faltantes y casos duplicados antes de que contaminen todo el análisis. Como objeto de comunicación, es la tabla que va en el informe.

No son la misma tabla. La de trabajo tiene todo; la del informe tiene lo que el lector necesita, y ni una columna más.

3 · El procedimiento

Paso 1 — Identificá la variable y su escala. De la escala de medición depende todo lo que sigue. Si es nominal no hay orden, y entonces no hay frecuencias acumuladas.

Paso 2 — Listá los valores o categorías. Todos los que aparecen, incluidos los que tienen frecuencia cero si son parte de la escala. Si la variable es continua, primero hay que definir intervalos de clase.

Paso 3 — Ordenálos. Las categorías ordinales y los valores numéricos van en su orden natural. Las nominales, por frecuencia descendente o por un criterio declarado (alfabético, geográfico). Nunca en el orden en que aparecieron en la base.

Paso 4 — Contá. Esa es la frecuencia absoluta $n_i$.

Paso 5 — Calculá las relativas.

$$f_i = \frac{n_i}{n} \qquad p_i = 100 \cdot f_i$$

Paso 6 — Acumulá, si la variable tiene orden.

$$N_i = \sum_{j=1}^{i} n_j \qquad P_i = \sum_{j=1}^{i} p_j$$

Paso 7 — Verificá. $\sum n_i = n$, $\sum f_i = 1$, $\sum p_i = 100$, y la última acumulada tiene que dar exactamente $n$ y 100 %. Si no da, hay un error.

Paso 8 — Titulá y citá. Toda tabla lleva número, título que diga qué, dónde y cuándo, el total de casos y la fuente.

4 · Un ejemplo

Cantidad de personas por hogar, según la Encuesta Permanente de Hogares del primer trimestre de 2026 (15.447 hogares relevados):

Personas	$n_i$	$f_i$	$p_i$	$N_i$	$P_i$
1	2.218.984	0,217	21,7 %	2.218.984	21,7 %
2	2.487.862	0,244	24,4 %	4.706.846	46,1 %
3	2.091.743	0,205	20,5 %	6.798.589	66,6 %
4	1.728.992	0,169	16,9 %	8.527.581	83,5 %
5	971.144	0,095	9,5 %	9.498.725	93,1 %
6	386.675	0,038	3,8 %	9.885.400	96,8 %
7 o más	322.350	0,032	3,2 %	10.207.750	100,0 %
Total	10.207.750	1,000	100,0 %	—	—

Las columnas acumuladas no llevan total: no tendría sentido sumarlas. Por eso va un guion y no un número.

5 · Cómo se interpreta

Cada columna responde una pregunta distinta:

• $n_i$ — ¿cuántos hogares tienen exactamente 3 personas? 2.091.743.
• $p_i$ — ¿qué parte del total representan? El 20,5 %.
• $N_i$ — ¿cuántos hogares tienen 3 personas o menos? 6.798.589.
• $P_i$ — ¿qué parte del total? El 66,6 %.

La columna $P_i$ es la forma más rápida de ubicar cuantiles sin calcular nada: donde cruza el 50 % está la mediana. Acá pasa del 46,1 % al 66,6 % entre las filas 2 y 3, así que la mediana es 3 personas por hogar.

Redacción sugerida:

El tamaño de hogar más frecuente fue de 2 personas (24,4 %), aunque la distribución se reparte de manera pareja entre los hogares de 1 a 4 personas, que en conjunto reúnen el 83,5 % del total. La mediana es de 3 personas por hogar (EPH, 1º trimestre de 2026).

6 · Errores frecuentes

• Acumular una variable nominal. No existe “provincia de Catamarca o menos”. Si la variable es nominal, las columnas $N_i$ y $P_i$ no van.
• Dejar la tabla en el orden de la base. Una tabla ordinal desordenada es ilegible y se malinterpreta sola.
• Repartir mal los decimales. Dos decimales en los porcentajes ya es generoso; tres es ruido. Los conteos son enteros, siempre.
• Tabla sin total y sin $n$. Sin el denominador, ningún porcentaje se puede evaluar. El total va siempre, aunque parezca obvio.
• Categorías que se superponen o dejan huecos. Las clases tienen que ser exhaustivas y mutuamente excluyentes: cada caso cae en una y solo una.
• Esconder los valores faltantes. Si hay casos sin dato, van en su propia fila o se declara el $n$ válido usado como denominador.

7 · En el software

# R — tabla completa en una sola pasada
n  <- table(datos$integrantes)
tabla <- data.frame(
  valor = names(n),
  ni    = as.vector(n),
  fi    = round(as.vector(prop.table(n)), 3),
  pi    = round(100 * as.vector(prop.table(n)), 1),
  Ni    = cumsum(as.vector(n)),
  Pi    = round(100 * cumsum(as.vector(prop.table(n))), 1)
)
tabla

# Python
import pandas as pd

n = datos["integrantes"].value_counts().sort_index()
tabla = pd.DataFrame({
    "ni": n,
    "fi": (n / n.sum()).round(3),
    "pi": (100 * n / n.sum()).round(1),
    "Ni": n.cumsum(),
    "Pi": (100 * n.cumsum() / n.sum()).round(1),
})
tabla

Excel:    Tabla dinámica, o =CONTAR.SI() por valor y =SUMA() arrastrada
          para la acumulada
SPSS:     Analizar › Estadísticos descriptivos › Frecuencias
          (la salida ya trae "Porcentaje acumulado")
InfoStat: Estadísticas › Tablas de frecuencias

@misc{estadistica_ar_tabla_de_frecuencias,
  author       = {Montivero, Jorge Luis},
  title        = {{Cómo armar una tabla de frecuencias}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/tabla-de-frecuencias}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-09-18}
}